开工的欲望 | AI Studio悄然上线新功能,用你的模型生成在线预测服务
开工第一天,小伙伴们是不是还没有从过年的状态转换过来?今天给大家介绍一个AI Studio新功能,能让大家用自己训练好的模型,轻松生成在线预测服务,通过在线API调用,而且是免费的哦~
大家是不是已经跃跃欲试了呢?那就快到AI Studio亲自体验一下吧。希望这个开年小“福利”,能帮助大家尽快找到开工的感觉。
经常登录AI Studio的朋友可能早就发现——AI Studio改版了:
这次升级,AI Studio不光调整了前端页面,还增加了不少新功能,其中就包含我们今天要说的在线部署及预测功能。
功能说明
在线部署与预测为开发者提供训练模型向应用化API转换的功能. 开发者在AI Studio平台通过单机项目NoteBook页面完成模型训练后, 通过创建一个在线服务, 应用模型生成在线API, 使用该API可以直接检验模型效果或实际应用到开发者的私有项目中.目前, 该功能暂时仅对单机项目开放。
通过训练任务生成模型文件
在训练任务过程中, 通过调用paddle.fluid.io.save_inference_model`实现模型的保存,保存后的目录需要可以被在线服务使用. 我们以房价预测的线性回归任务为例, 具体代码如下
使用已有模型, 可以通过!wget在Notebook中传输模型文件到环境目录。以房价预测的线性回归模型为例, 通过!wget https://ai.baidu.com/file/4E1D1FCC670E4A5E8441634201658107 -O fit_a_line.inference.model传输文件, 解压后直接被在线服务使用.
创建一个在线服务
完成模型训练后, 在单机项目页面点击【创建预测服务】
第一步 选择模型文件
勾选模型文件
设置主程序, 主程序为paddle.fluid.io.save_inference_model中参数main_program配置的程序, 在房价预测的示例中,我们使用默认参数调用save_inference_model, 因此将__model__文件设置为主程序.
第二步 确认输入输出
填写模型的输入输出参数. 以房价预测的线性回归模型为例(参数参考), 添加参数如下图所示.
第三步 制作参数转换器
参数转换器帮助用户转化合法输入并完成数据预处理.
方式一:自定义转换器(Python2.7)(推荐).
输入参数转换器方法
输出参数转换器方法
转换器代码示例, 以房价预测为例.
输入参数转换器:
输出参数转换器:
方式二: 默认参数, 不设置转换器.
用户的API参数直接传递给模型.
第四步 沙盒部署
用户可以同时部署之多五个沙盒服务, 用来对比模型优化结果.
录入名称点击【生成沙盒】或者点击【暂存】将沙盒保存到草稿箱.
测试沙盒服务
对沙盒列表中的沙盒服务进行测试,验证是否配置正确。
第一步 点击【测试】打开测试页面
第二步 填写json格式请求参数
第三步 点击【发送】检验返回结果
部署在线服务
点击【正式部署】部署线上API.
一个项目可以创建五个沙盒服务, 并选择其中一个沙盒服务部署为线上服务.
沙盒服务如果连续超过24小时无调用将自动调整为暂停状态.
线上服务如果连续超过14天无调用将自动调整为暂停状态.
调用在线服务
依据API key、服务地址和用户自定义参数, 实现对服务的调用.
请求方式
HTTP请求URL: [服务地址] [?] [apiKey=xxx]
HTTP请求方法: POST
HTTP Body: 用户自定义参数
调用示例
以房价预测项目为例.
CURL
Python
(adsbygoogle = window.adsbygoogle || []).push({});
- 使用Unity3D的网格功能生成自己的球体网格模型
- RAD Studio, Delphi and C++Builder 10.1 Berlin 新版本功能介绍 - 首场在线教学
- ,有一款RESTFUL接口的文档在线自动生成+功能测试功能软件——Swagger UI,具体配置过程可移步《Spring Boot 利用 Swagger 实现restful测试》
- 《Entity Framework 6 Recipes》中文翻译系列 (40) ------ 第七章 使用对象服务之从跟踪器中获取实体与从命令行生成模型(想解决EF第一次查询慢的,请阅读)
- 【大数据技术干货】阿里云伏羲(fuxi)调度器FuxiMaster功能简介(三) 针对在线服务的资源强稳定
- 两亿多用户,六大业务场景,知乎AI用户模型服务性能如何优化?
- Keras:基于python库之Keras建立模型算法来实现【预测】功能的详细攻略(经典,建议收藏)
- spring io 在线生成微服务项目
- [VS]VS2010如何使用Visual Studio Online在线服务管理团队资源(在线TFS)
- 第三百八十五节,Django+Xadmin打造上线标准的在线教育平台—登录功能实现,回填数据以及错误提示html
- 深度学习利器:TensorFlow在智能终端中的应用——智能边缘计算,云端生成模型给移动端下载,然后用该模型进行预测
- 百度推短网址服务 除生成短网址还提供功能
- 产品功能对标 - 服务上线、下线,版本回滚
- 利用Flash Builder 4.5的数据服务功能,从Asp.net的WebService,自动生成调用代码
- 用户在线广告点击行为预测的深度学习模型
- 用JAVA awt实现Image Asset Studio生成圆形或圆角矩形图片功能
- 业务实时监控服务ARMS 全息排查功能全新上线
- 基于拉格尔函数模型的预测控制在线自辩识问题
- 第三百七十三节,Django+Xadmin打造上线标准的在线教育平台—创建用户app,在models.py文件生成3张表,用户表、验证码表、轮播图表
- Bejson上线 在线png、jpg图片转svg功能